关键词:多阶段;动态聚类;优质路径;钢铁
摘 要:钢铁产品制造过程是一个多阶段加工过程,产品往往会经过多个不同的加工制造阶段,而且不同的加工制造阶段间会相互影响、相互关联,上游产品质量对下游有直接影响。目前,多数采用人工规则和人工经验相结合的方法制定每个阶段的生产参数目标,但随着产品质量高端化与定制化日益成为主流,传统方法已经不能够满足产品的质量管控需求。另一方面,现阶段对产品的分类较为粗糙,一般分为合格品与不合格品,未进行更为细致的划分以满足不同用户的需求。针对目前存在的问题,本文提出了一种面向钢铁行业的多阶段最优参数分析算法。此种算法既可以对产品进行多种细致的划分,根据产品的特性划分为不同的种类,同时也能针对某种具体的产品种类给出其各个阶段的优质生产参数,该方法对为实际生产具有指导意义。本文的主要研究工作如下:(1)多阶段生产参数的数学模型的研究与设计。研究目前机器学习常用的数据模型,并结合钢铁数据的特点,设计出一种新型的基于动态网络的模型表示钢铁的多阶段生产过程。(2)多阶段生产参数间耦合性分析。在对钢铁生产进行数学建模的基础上,利用本文提出的激励向量和模式向量分析不同阶段间的耦合性关系,并利用此将每个阶段的生产参数聚类,将单一产品划分为多种产品。(3)优质生产参数路径的构建算法。在划分出多种产品的基础上,对于某种产品,从历史生产数据中找到一条优质的生产路径,为实际生产提供一定的指导意义。(4)设计并实现生产参数路径展示工具。对于已经构建出的优质生产参数路径,实现一套基于B/S模式的浏览器显示方法。(5)设计并实现面向钢铁行业的多阶段参数分析系统。本文会实现一套面向钢铁行业的多阶段参数分析系统,此系统将会将文中提到的相关核心算法都集成在一起,并开发相应的用户交互界面,帮助用户更好的使用系统。
内 容:原文可通过湖北省科技信息共享服务平台(http://www.hbstl.org.cn)获取